docs(wiki): 添加 Ollama 配置文档和 AI 分析故障排除

- infrastructure.md: 新增 Ollama 服务连接、环境变量、GPU 注意事项
- index.md: 症状导航新增 qwen3 thinking、Ollama 内存/安全、模板渲染等问题

wiki/infrastructure.md

@@ -36,6 +36,7 @@ tags: [infrastructure, dev-environment, windows, postgresql]
 | 后端 API | `http://localhost:3000/api/v1` | Axum 服务 |
 | 前端 SPA | `http://localhost:5174` | Vite 开发服务器 |
 | 微信小程序 | 微信开发者工具 | 患者端小程序（`apps/miniprogram/dist/`） |
+| Ollama | `http://127.0.0.1:11434` | 本地 AI 推理（qwen3:4b） |
 
 ### 登录凭据
 
@@ -63,6 +64,24 @@ psql: `D:\postgreSQL\bin\psql.exe -U postgres -h localhost -d erp`
 
 > 开发环境 AES/HMAC 密钥生成: `python -c "import secrets; print(secrets.token_hex(32))"`
 
+### Ollama 本地 AI 配置
+
+启动脚本：`tmp/start-ollama.ps1`（必须用 `ollama serve` 而非 `ollama app`，否则环境变量不生效）
+
+| 环境变量 | 值 | 说明 |
+|----------|-----|------|
+| `OLLAMA_HOST` | `http://127.0.0.1:11434` | 只监听本地（默认 `0.0.0.0` 暴露局域网） |
+| `OLLAMA_CONTEXT_LENGTH` | `4096` | 4b 模型足够，默认 262144 会导致 35GB+ KV cache |
+| `OLLAMA_MAX_LOADED_MODELS` | `1` | 开发环境只加载一个模型 |
+| `OLLAMA_FLASH_ATTENTION` | `true` | RTX 3070 (Ampere) 支持，降低显存占用 |
+| `OLLAMA_KEEP_ALIVE` | `10m` | 模型保留 10 分钟避免频繁重载 |
+| `OLLAMA_ORIGINS` | `http://localhost:3000,http://localhost:5174` | CORS 限制 |
+| `OLLAMA_NO_CLOUD` | `true` | 禁用云功能 |
+
+> **GPU 注意事项：** 默认 `OLLAMA_CONTEXT_LENGTH=262144` 会使 KV cache 需要 35GB+ CPU 内存 + 1.8GB GPU 显存，RTX 3070 8GB 无法加载。设为 4096 后模型可完全加载到 GPU（~3GB 显存），推理速度正常。
+
+> **qwen3 thinking 模式：** qwen3:4b 默认开启 thinking，流式 API 中 `message.content` 为空（全部 token 消耗在 thinking 上）。`erp-ai` Ollama provider 对 qwen3 自动改用非流式 API + `strip_think_block` 剥离 `<think...` 块。
+
 ### 微信小程序配置
 
 | 配置 | 位置 | 说明 |